سپیده جباری - دانشگاه تربیت مدرس، بخش مهندسی برق، گروه مهندسی پزشکی
حسن قاسمیان

سیگنال صدای قلب حاوی اطلاعات قابل توجهی از وضعیت دریچه ها و عروق قلب است و می تواند گویای نحوه عملکرد دریچه ها باشد. لذا می توان با تحلیل دقیقتر این سیگنال پی به ضایعات احتمالی دریچه ها و عروق برد. روش معمول برای تشخیص اولیه وجود یا عدم وجود این ضایعات گوش کردن به صدای قلب توسط گوشی پزشکی است. از آنجاییکه دقت و میزان شنوایی پزشک صدای شنیده شده را تحت تاثیر قرار می دهد و نیز به دلیل شباهت و نزدیکی زیاد برخی صداهای مختلف پیاده سازی روشی که بتواند با حداقل خطای ممکن به تشخیص این نقایص قلبی بپردازد از اهمیت ویژه ای برخوردار خواهد بود. در این مقاله از روش بانک فیلتری و مدل AR برای جداسازی کلاس های مختلف بیماری های قبلی استفاده شده است. بدین ترتیب که سه کلاس مختلف از بیماری های قلبی با نتایج تشخیصی معین انتخاب و ذخیره شدند. سپس با بکارگیری بانک فیلتری و مدل AR ویژگیهای مورد نظر از الگوهای آزمایشی استخراج گردید. نهایتا با اعمال ویژگی های استخراج شده از هر دو روش به یک طبقه بندی کننده بیشینه احتمال صحت و میزان اعتبار هر روش را سنجیدیم. مقایسه نتایج، کارایی بیشتر بانک فیلتری را نشان می دهد.

سیگنال صدای قلب، بانک فیلتری، ضرایب مدل AR، طبقه بندی